阿里在云栖大会公布 Qwen 规划：Qwen4.5 与 Qwen5 剑指 5T-10T 参数，多模态视频模型 11 月发布

一句话结论

阿里通过架构创新降低千亿参数训练成本，并加速递归自我改进流程，确立 5T-10T 参数演进路线及多模态升级计划。

关键要点

Qwen4 系列即将发布，Qwen4.5 和 Qwen5 计划迈向 5T—10T 参数规模，此前 Qwen3.8 参数已达 2.4T。
Qwen3.8-Flash 采用稀疏与线性注意力架构，推理仅激活 6B 参数，训练成本降至上一代的九分之一，百万 Token 输入价格降至四分之一。
阿里实现递归自我改进（RSI），Qwen3.8-Max 自主完成芯片设计流程，使物理面积减少 42%，功耗估算下降 59.5%。
下一代视频生成模型将于 11 月亮相，主打“Agent Video”概念，具备自主拆解剧情、设计分镜及安排场景的能力。
Qwen-Audio-3.1-Realtime 实现边听、边想、边说的实时交互，并已接入千问办公、Qoder 及 QwenNote 等硬件产品。

背景与事实

在本次云栖大会上，阿里展示了从语言模型到多模态的完整技术路线图。千问大语言模型负责人刘大一恒首先登台，明确了模型规模的演进策略。两年前，Qwen2.5 旗舰模型参数量为 72B，而今年 8 月发布的 Qwen3.8 参数量已扩大至 2.4T，增长了 33 倍。刘大一恒透露，Qwen4 系列即将到来，其后的 Qwen4.5 和 Qwen5 计划进一步迈向 5T—10T 参数。尽管模型规模扩张，阿里强调算力、数据和模型规模的持续投入仍是提升智能上限的关键，并继续沿着 Scaling Law 向上发展。

面对大模型训练和推理成本上升的挑战，阿里提出“扩大规模”与“架构重构”并行的解法。Qwen3.8-Flash 展示了这一路线的成果：通过引入稀疏注意力、线性注意力和外接记忆等新架构，该模型每次推理仅激活 6B 参数。相比上一代模型，其训练成本降至九分之一，百万 Token 的输入价格降至四分之一，超长上下文的预填充吞吐量提高 8.6 倍，同时模型能力继续上涨。这种低成本架构支撑了更大规模模型的高效运作，避免了单纯堆砌算力带来的成本激增。

在多模态领域，ATH 技术副总裁郑波展示了阿里在生成式 AI 上的最新进展。图像生成模型 Qwen-Image-3.1 针对电商、创意和设计等商用场景优化，将视觉设计交付时间从数小时压缩至秒级。语音方面，Qwen-Audio-3.1 系列全面升级，其中 Realtime 模型具备实时交互能力，支持多语言、角色扮演和共情增强，并已应用于千问办公及硬件产品。音乐模型 HappyShrimp1.1 支持百余种曲风，世界模型 HappyOyster 2.0 Preview 通过 3D 时空记忆模拟物体运动。郑波还预判，三年内行业可能出现原生的全模态统一生成模型。

影响分析

对中文开发者而言，阿里公布的 5T-10T 参数路线及 Qwen3.8-Flash 的低成本架构具有直接参考价值。推理成本降低意味着依赖大模型 API 的应用层创业公司能显著削减运营成本，尤其是在处理超长上下文或高频调用场景时。训练成本降至九分之一，使得中小团队也有机会在有限预算下进行微调实验，降低了技术门槛。

在工程落地层面，阿里在 RSI（递归自我改进）领域的进展表明，模型正从“被动工具”转变为“主动研发者”。Qwen3.8-Max 自主完成芯片设计及 SGLang 框架优化的实验，暗示未来软件生态适配可能不再完全依赖人工编码，而是由模型驱动。开发者应关注“模型造模型”的闭环流程，这可能是下一代 AI 基础设施的核心竞争力。对于国产芯片生态，模型自动适配 SGLang 等框架的案例提供了新的迁移思路，有助于解决 CUDA 生态壁垒带来的适配难题。

适用边界

文中关于 Qwen4.5 和 Qwen5 迈向 5T-10T 参数的计划属于研发路线图，受限于算力资源、实际市场需求及技术瓶颈，最终落地时间、具体参数规模及实际效果可能进行调整或延缓。Qwen3.8-Flash 的低成本优势依赖于特定的稀疏注意力架构，若开发者使用不支持该架构的推理框架或处理非稀疏场景，可能无法完全复现文中所述的吞吐量提升和成本降低数据。

此外，阿里在 RSI 实验中展示的芯片设计能力，目前是在提供规格、无参考代码的封闭环境下完成的自动化流程验证，尚不能直接等同于通用场景下的芯片设计工具。视频模型“Agent Video”的 11 月亮相时间为预计发布节点，实际功能表现、生成时长及可控程度需待正式发布后验证，当前描述的“理解创作者意图”功能仍处于概念验证向产品化过渡阶段，不适用于对生成精度有严苛要求的专业影视制作场景。